阿里云的慢思考

撰文| 吳先之

編輯| 王 潘

1937年，美國(guó)為解決加州中、南部干旱缺水與城市發(fā)展需求，興建了跨流域調(diào)水的中央河谷工程，起初飽受爭(zhēng)議。《洛杉磯時(shí)報(bào)》曾多次刊登諷刺漫畫(huà)，甚至用“空頭支票”質(zhì)疑該工程的價(jià)值。

在爭(zhēng)議聲中，中央河谷工程花了45年，經(jīng)歷了初期蓄水與基礎(chǔ)下泄、分段擴(kuò)容與精準(zhǔn)調(diào)度、生態(tài)與生產(chǎn)協(xié)同下泄。覆蓋面積從最早的100萬(wàn)畝農(nóng)田（約為1.4個(gè)北京朝陽(yáng)區(qū)），時(shí)至今日，成為全球最大的灌區(qū)、美國(guó)的“糧倉(cāng)”（約100個(gè)朝陽(yáng)區(qū)），并形成了一個(gè)數(shù)百萬(wàn)人口規(guī)模的都會(huì)區(qū)。

基礎(chǔ)超大參數(shù)模型就像一個(gè)水壩，壩體內(nèi)部的防滲結(jié)構(gòu)是數(shù)以萬(wàn)計(jì)的Agent和小模型，下游的灌溉渠網(wǎng)就是各類垂直應(yīng)用。水壩的蓄水量越大、泄洪調(diào)控越精準(zhǔn)，下游的農(nóng)田就越能得到充沛滋養(yǎng)。如同數(shù)據(jù)積累越多、基模的能力層級(jí)越高，外部應(yīng)用就能在更多領(lǐng)域生根發(fā)芽。

阿里云對(duì)AI云的理解，頗似“中央河谷工程”。試圖建立起從壩體到灌溉網(wǎng)絡(luò)，甚至自來(lái)水廠的體系。不僅直接提供灌溉水，還向飲料公司提供純凈水、為有污水處理需求的廠商提供污水處理設(shè)備租賃。

因?yàn)樘峁┓?wù)的不同，阿里云認(rèn)為暫時(shí)無(wú)法用單一標(biāo)準(zhǔn)計(jì)量。

阿里云智能集團(tuán)資深副總裁、公共云事業(yè)部總裁劉偉光半打趣地說(shuō)，傳統(tǒng)云計(jì)算時(shí)代，阿里云有句口號(hào)叫“為了無(wú)法計(jì)算的價(jià)值”，那么AI云時(shí)代，“我們的目標(biāo)就是為了無(wú)法計(jì)算的Token”。

企業(yè)AI需求分層

從2025年1月6日開(kāi)始，到12月30日，過(guò)去一年中，劉偉光總共進(jìn)行了186次拜訪，涉及到146家客戶。涵蓋了從互聯(lián)網(wǎng)到傳統(tǒng)行業(yè)，從內(nèi)銷到出海的國(guó)內(nèi)公司，也涉及到跨國(guó)公司。

他看到了不少企業(yè)進(jìn)行AI實(shí)踐的范式，同時(shí)注意到企業(yè)需求有強(qiáng)有弱，其中有四種類型的公司擁抱AI的態(tài)度最為堅(jiān)決。第一種是提供AIGC付費(fèi)服務(wù)的企業(yè)，代表企業(yè)如Pika Labs。

第二種是AI硬件公司。與傳統(tǒng)硬件公司不同之處在于，AI硬件公司的利潤(rùn)來(lái)源不是硬件，而是依托AI能力，如陪伴與教育獲取更高的溢價(jià)。而模型能力，決定價(jià)值高低，使得它們非常在意模型能力。

第三種是垂類AI Agent的創(chuàng)企，這類企業(yè)被視為典型的AI原生企業(yè)，例如法律垂直領(lǐng)域的創(chuàng)企Harvey、做人才招聘的Mercor、做銷售線索Agent的Clay等等。

第四種是娛樂(lè)行業(yè)，如漫劇與短劇，借助AI改變?cè)猩a(chǎn)模式，成本交換是最主要的驅(qū)動(dòng)因素。例如傳統(tǒng)短劇的制作成本主要由人力與場(chǎng)地構(gòu)成，制劇效率是核心驅(qū)動(dòng)力。引入AI后，大模型的相關(guān)開(kāi)支替代了人力與場(chǎng)地，也顯著提升了效率。某短劇從業(yè)者表示，過(guò)去一個(gè)月能產(chǎn)出20部劇集，如今能產(chǎn)出1000部。

除上述四種企業(yè)外，大盤(pán)其實(shí)是一批非AI原生企業(yè)，而其中意愿最強(qiáng)的是行業(yè)中的頭部企業(yè)。原因在于，這些企業(yè)經(jīng)歷過(guò)數(shù)字化改造，具備一定的智能化基礎(chǔ)。

對(duì)于企業(yè)而言，AI改造是效果導(dǎo)向的，而效果好壞取決于Agent能力，Agent又受模型能力與數(shù)據(jù)質(zhì)量影響，大企業(yè)經(jīng)歷過(guò)多年數(shù)據(jù)治理與沉淀，數(shù)據(jù)質(zhì)量與實(shí)時(shí)性都更會(huì)好。

對(duì)于所有云廠商而言，服務(wù)這些企業(yè)并不容易，因?yàn)閺腎T時(shí)代到傳統(tǒng)云，再到AI云，有一條獨(dú)立的演進(jìn)過(guò)程。

在過(guò)去，云計(jì)算產(chǎn)品主要是計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)、安全、數(shù)據(jù)庫(kù)和大數(shù)據(jù)等，客戶主要是互聯(lián)網(wǎng)客戶和數(shù)字化程度高的傳統(tǒng)企業(yè)。進(jìn)入AI時(shí)代，云計(jì)算向智算演進(jìn)，也是一個(gè)交換過(guò)程，依靠通用計(jì)算，能夠?yàn)楦嗟目蛻糇鐾评碛?xùn)練，包括廣大的中小企業(yè)和初創(chuàng)企業(yè)。

技術(shù)在迭代，可國(guó)內(nèi)企業(yè)級(jí)市場(chǎng)環(huán)境卻沒(méi)有因此有太大變化，“造錘”的SaaS市場(chǎng)并不繁榮，阻滯著AI to B的進(jìn)程。很多企業(yè)因?yàn)榘踩蛘吆弦?guī)性要求，如金融行業(yè)，不會(huì)輕易地把數(shù)據(jù)放到公有云上。企業(yè)需求分層，倒逼云廠商尋求多種方案來(lái)調(diào)整自己的商業(yè)模式。

市場(chǎng)環(huán)境沒(méi)有因?yàn)锳I的發(fā)展而變化，反而還在加劇。到目前為止，賣產(chǎn)品的Agent與賣原子化能力的Coding，這兩個(gè)市場(chǎng)在國(guó)內(nèi)尚未產(chǎn)生巨頭，市場(chǎng)規(guī)模也還處于初期。

另一個(gè)挑戰(zhàn)來(lái)自企業(yè)使用AI云的方式多種多樣，哪怕是AI原生的大模型創(chuàng)企，使用云的方式也不盡相同。有大模型創(chuàng)企只會(huì)在云上訓(xùn)練與開(kāi)發(fā)；亦有大模型創(chuàng)企會(huì)基于開(kāi)源模型做開(kāi)發(fā)；而一些互聯(lián)網(wǎng)客戶則是在云上訓(xùn)練模型，再基于模型開(kāi)發(fā)自己的Agent；金融機(jī)構(gòu)則是自己下載模型、自己訓(xùn)練，云廠商根本不知道實(shí)際使用情況。

此外，自動(dòng)駕駛與具身智能公司也是如此。兩個(gè)行業(yè)對(duì)圖形處理的算力需求很高，但因?yàn)樾枰磿r(shí)響應(yīng)，導(dǎo)致其對(duì)云的需求最終是完成本地化部署。即便廠商采用了某云廠商的大模型產(chǎn)品，也只能按照效果或者項(xiàng)目形式付費(fèi)。

造“壩”鋪“渠”

有的廠商調(diào)用API接口，有的需要開(kāi)源模型，有的只是需要數(shù)據(jù)清洗與模型訓(xùn)練平臺(tái)。面對(duì)企業(yè)需求的差異化，國(guó)內(nèi)云廠商有兩條路徑可選。

一條是先刺猬再狐貍，抓住增長(zhǎng)最快、規(guī)模最大的某個(gè)領(lǐng)域，將之做到極致，然后再橫向拓展至其他領(lǐng)域；另一條是先狐貍再刺猬，以面的方式提供分層服務(wù)，企業(yè)按需選擇，如此以來(lái)可以快速完成市場(chǎng)覆蓋，并在此基礎(chǔ)上多線并進(jìn)，最終建立市場(chǎng)優(yōu)勢(shì)。

阿里云選擇了造壩鋪渠的后者，如同90年前的“中央河谷工程”。這意味著阿里云的AI服務(wù)體系，會(huì)和這項(xiàng)工程的建設(shè)周期一樣，需要時(shí)間才能見(jiàn)到天花板。而阿里云自己也認(rèn)為，目前AI云還是早期，在國(guó)內(nèi)則還處于價(jià)值萌芽階段。

即便阿里在去年2月宣布未來(lái)三年將對(duì)云和AI硬件基礎(chǔ)設(shè)施，投入超過(guò)3800億元，但如果從市場(chǎng)潛力來(lái)看，仍存在一定缺口。阿里云認(rèn)為，AI提升的是社會(huì)生產(chǎn)力，潛在市場(chǎng)規(guī)模需要按照增幅的實(shí)際價(jià)值抬高，如果市場(chǎng)是10萬(wàn)億，3800億對(duì)于10%的增幅而言，ROI是完全算得過(guò)來(lái)的。

基于此，阿里云形成了從基礎(chǔ)的AI Infra、到開(kāi)源模型后訓(xùn)練、模型推理服務(wù)，再到AI應(yīng)用構(gòu)建的分層產(chǎn)品服務(wù)體系。

對(duì)于一站式快速便捷構(gòu)建Agent應(yīng)用的需求，阿里云提供類似于直飲水的輕量級(jí)接入方式。該服務(wù)直接按需計(jì)費(fèi)，一般采用Token的計(jì)費(fèi)方式。阿里云其實(shí)交付的是自己的AI與云能力，企業(yè)直接使用。

第二種是提供工業(yè)級(jí)用水的定制化服務(wù)。大部分情況下，企業(yè)更青睞靈活、開(kāi)放地選擇Agent開(kāi)發(fā)平臺(tái)、模型選擇、AI框架選擇，或是獨(dú)立部署的企業(yè)，承接這部分需求的端口是阿里云的百煉。

除了模型服務(wù)，還有一部分企業(yè)具備IT能力，需要在VPC（虛擬私有云）環(huán)境下部署，或者有通用計(jì)算、高速網(wǎng)絡(luò)、高性能存儲(chǔ)、安全等云原生能力的需求。這時(shí)候，阿里云既能提供開(kāi)源模型的生態(tài)，也能提供底層的原生能力，還能提供托管服務(wù)。

還有一種自己進(jìn)行模型訓(xùn)練的情況，例如前面提到的本地部署，或者搜推等大規(guī)模數(shù)據(jù)處理應(yīng)用需求，阿里云則提供AI Infra。這種方案，可以理解企業(yè)直接租用阿里云的IaaS能力。

值得一提的是，不僅企業(yè)市場(chǎng)有著分層需求，單一企業(yè)也會(huì)因?yàn)閳?chǎng)景原因，呈現(xiàn)不同需求。像物流企業(yè)，AI客服多以輕量接入的方式，而涉及到異常件識(shí)別、路徑規(guī)劃這類核心能力，則更傾向于采購(gòu)原子化能力，私有化部署。

阿里云雖然能夠通過(guò)分層服務(wù)的方式，覆蓋更多企業(yè)的需求，但也為自己帶來(lái)了一個(gè)挑戰(zhàn)，服務(wù)類型不同，無(wú)法用單一指標(biāo)計(jì)量。截至目前，阿里云至少采用了三種計(jì)費(fèi)模型，以Token為代表的按量計(jì)費(fèi)，以結(jié)果為代表的按結(jié)果計(jì)費(fèi)，以及傳統(tǒng)的訂閱制。

簡(jiǎn)單來(lái)說(shuō)，阿里云的價(jià)值實(shí)現(xiàn)，來(lái)自兩種形態(tài)，一種是建立在基礎(chǔ)設(shè)施分?jǐn)偟馁Y產(chǎn)價(jià)值，另一種是建立在應(yīng)用端的可計(jì)量?jī)r(jià)值，例如按照Token計(jì)費(fèi)。

摩托羅拉的故事

95年前后，摩托羅拉總裁來(lái)華，他曾預(yù)測(cè)，到2000年，國(guó)內(nèi)手機(jī)保有量會(huì)突破100萬(wàn)。

然而，到了2000年，國(guó)內(nèi)手機(jī)保有量已突破1億，幾年之后邁過(guò)10億大關(guān)。與此同時(shí)，手機(jī)還完成了從模擬機(jī)到虛擬機(jī)的迭代。此時(shí)，國(guó)內(nèi)手機(jī)市場(chǎng)即便各類山寨機(jī)橫飛，摩托羅拉卻逐漸銷聲匿跡。

摩托羅拉這個(gè)故事表明，在新興市場(chǎng)，短期的市場(chǎng)地位與規(guī)模預(yù)期很容易被顛覆或證偽，更無(wú)法用過(guò)往的歷史推論未來(lái)，這條定律也適用于AI行業(yè)。

目前可以看到確定的趨勢(shì)是，應(yīng)用端的爆發(fā)式增長(zhǎng)，正在改變傳統(tǒng)IT時(shí)代的成本分?jǐn)偰Ｊ健６⒗镌扑鶑?qiáng)調(diào)的模型與底層架構(gòu)的軟硬一體化會(huì)是勝負(fù)手的觀點(diǎn)，目前仍存在分歧。

騰訊首席科學(xué)家姚順雨此前注意到，垂直整合在AI to C與to B市場(chǎng)存在差異的情況。在C端市場(chǎng)，豆包與ChatGPT的成功，證明了模型與產(chǎn)品能夠強(qiáng)耦合地迭代，而在to B市場(chǎng)，模型層的能力與應(yīng)用層的需求之間是割裂的，得用更大的預(yù)訓(xùn)練填充。

AI云時(shí)代才剛開(kāi)啟，云廠商們紛紛將目光鎖定在增量市場(chǎng)上，因?yàn)橄乱荒暝隽康?0%都可能超過(guò)上一年的全量。這也就是為什么，阿里云2026年的目標(biāo)是拿到中國(guó)AI云市場(chǎng)增量的80%。

微信號(hào)｜TMTweb

公眾號(hào)｜光子星球

別忘了掃碼關(guān)注我們！